A amostragem aleatória estratificada beneficia os pesquisadores, permitindo-lhes obter uma população amostral que melhor represente a população inteira sendo estudada. Mesmo assim, esse método de pesquisa não deixa de ter suas desvantagens.
Amostragem aleatória estratificada: uma visão geral
A amostragem aleatória estratificada envolve primeiro dividir uma população em subpopulações e, em seguida, aplicar métodos de amostragem aleatória a cada subpopulação para formar um grupo de teste. Uma desvantagem é quando os pesquisadores não conseguem classificar todos os membros da população em um subgrupo.
A amostragem aleatória estratificada é diferente da amostragem aleatória simples, que envolve a seleção aleatória de dados de toda a população, para que cada amostra possível tenha a mesma probabilidade de ocorrer. Por outro lado, a amostragem aleatória estratificada divide a população em grupos menores, ou estratos, com base em características compartilhadas. Uma amostra aleatória é retirada de cada estrato em proporção direta ao tamanho do estrato comparado à população.
Exemplo de amostragem aleatória estratificada
A seguir, é apresentado um exemplo de amostragem aleatória estratificada:
Os pesquisadores estão realizando um estudo desenvolvido para avaliar as tendências políticas de estudantes de economia de uma grande universidade. Os pesquisadores querem garantir que a amostra aleatória se aproxime melhor da população estudantil, incluindo gênero, graduação e pós-graduação. A população total do estudo é de 1.000 alunos e, a partir daí, são criados subgrupos, como mostrado abaixo.
População total = 1.000
Os pesquisadores designavam todos os estudantes de economia da universidade para uma das quatro subpopulações: graduação masculina, graduação feminina, graduação masculina e graduação feminina. Em seguida, os pesquisadores contariam quantos estudantes de cada subgrupo compõem a população total de 1.000 estudantes. A partir daí, os pesquisadores calculam a representação percentual de cada subgrupo da população total.
Subgrupos:
- Alunos de graduação do sexo masculino = 450 alunos (de 100) ou 45% da populaçãoEducação do sexo feminino = 200 estudantes ou 20% do sexo masculino estudantes de graduação = 200 estudantes ou 20% do sexo feminino estudantes de graduação = 150 estudantes ou 15%
A amostragem aleatória de cada subpopulação é feita, com base em sua representação dentro da população como um todo. Como os estudantes de graduação do sexo masculino representam 45% da população, 45 estudantes de graduação do sexo masculino são escolhidos aleatoriamente desse subgrupo. Como os graduados do sexo masculino representam apenas 20% da população, 20 são selecionados para a amostra e assim por diante.
Embora a amostragem aleatória estratificada reflita com precisão a população estudada, as condições que precisam ser atendidas significam que esse método não pode ser usado em todos os estudos.
Vantagens da amostragem aleatória estratificada
A amostragem aleatória estratificada tem vantagens quando comparada à amostragem aleatória simples.
Reflete com precisão a população estudada
A amostragem aleatória estratificada reflete com precisão a população estudada, porque os pesquisadores estão estratificando toda a população antes de aplicar métodos de amostragem aleatória. Em resumo, garante que cada subgrupo da população receba uma representação adequada dentro da amostra. Como resultado, a amostragem aleatória estratificada fornece uma melhor cobertura da população, já que os pesquisadores têm controle sobre os subgrupos para garantir que todos eles estejam representados na amostragem.
Com a amostragem aleatória simples, não há garantia de que qualquer subgrupo ou tipo de pessoa seja escolhido. Em nosso exemplo anterior de estudantes universitários, o uso de amostragem aleatória simples para obter uma amostra de 100 da população pode resultar na seleção de apenas 25 estudantes de graduação do sexo masculino ou apenas 25% da população total. Além disso, 35 estudantes de graduação do sexo feminino podem ser selecionados (35% da população), resultando em sub-representação de estudantes do sexo masculino e super-representação de estudantes de graduação do sexo feminino. Quaisquer erros na representação da população têm o potencial de diminuir a precisão do estudo.
Desvantagens da amostragem aleatória estratificada
A amostragem aleatória estratificada também apresenta uma desvantagem para os pesquisadores.
Não pode ser usado em todos os estudos
Infelizmente, esse método de pesquisa não pode ser usado em todos os estudos. A desvantagem do método é que várias condições devem ser atendidas para que ele seja usado corretamente. Os pesquisadores devem identificar todos os membros de uma população que está sendo estudada e classificar cada um deles em uma e apenas uma subpopulação. Como resultado, a amostragem aleatória estratificada é desvantajosa quando os pesquisadores não conseguem classificar com confiança todos os membros da população em um subgrupo. Além disso, encontrar uma lista exaustiva e definitiva de uma população inteira pode ser um desafio.
A sobreposição pode ser um problema se houver assuntos que se enquadram em vários subgrupos. Quando é realizada uma amostragem aleatória simples, é mais provável que aqueles que estão em vários subgrupos sejam escolhidos. O resultado pode ser uma deturpação ou reflexão imprecisa da população.
O exemplo acima facilita: graduação, pós-graduação, homens e mulheres são grupos claramente definidos. Em outras situações, no entanto, pode ser muito mais difícil. Imagine incorporar características como raça, etnia ou religião. O processo de classificação se torna mais difícil, tornando a amostragem aleatória estratificada um método ineficaz e menos que o ideal.
Principais Takeaways
- A amostragem aleatória estratificada permite que os pesquisadores obtenham uma população amostral que melhor represente toda a população estudada. Esse método de pesquisa não pode ser usado em todos os estudos. A amostragem aleatória estratificada difere da amostragem aleatória simples, que envolve a seleção aleatória de dados de um estudo. população inteira, de modo que cada amostra possível é igualmente provável de ocorrer.
